dc.creator | Carbonera, Luis Felipe Bianchi | |
dc.date.accessioned | 2021-11-03T19:17:58Z | |
dc.date.available | 2021-11-03T19:17:58Z | |
dc.date.issued | 2020-10-29 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/22693 | |
dc.description.abstract | The dynamics of power systems with time-varying and non-linear elements is a
complex matter since it involves continuous adjustments among every part for a
suitable and efficient performance. Small disturbances in the load variation
procedure also routinely occur. Consequently, the controller parameters must be
adjusted to the variable conditions. The non-linear autoregressive model with
exogenous input (NARX) neural network (NN) has been used in many non-linear
dynamic systems. This paper explores the NARX combined with a multiobjective
optimization by using genetic algorithms (GAs) to damp local and interarea
oscillation modes. The NN model is trained by using a historical database
determined by the GA for several load levels. Subsequently, the model can
change the stabilizer parameters in real time after the learning phase. This study
is used to tune a power system stabilizer (PSS) in a two-area four-machine
system. This study is to adjust for the IEEE PSS4b in a system of four machines
and two areas. The results of the simulations in the case study demonstrated that
the GA-NARX-PSS had the best effects in dampening the oscillations resulting
from the disturbances compared to other stabilizer adjustment techniques found
in the literature. It was observed that the GA-NARX-PSS damped as oscillations
caused by a short circuit with a longer duration than that supported by the PSS
tuned with both AG optimization and the whale optimization algorithm (WOA). | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.description.sponsorship | Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Regulador de tensão | por |
dc.subject | Estabilizadores de sistemas de potência | por |
dc.subject | Redes neurais | por |
dc.subject | Algoritmo genético | por |
dc.subject | Automatic voltage regulator | eng |
dc.subject | Power system stabilizers | eng |
dc.subject | Neural network | eng |
dc.subject | Genetic algorithm | eng |
dc.title | Rede neural NARX aplicada ao amortecimento de oscilações de potência | por |
dc.title.alternative | The NARX neural network to damp power system oscillations | eng |
dc.type | Tese | por |
dc.description.resumo | A dinâmica dos sistemas de energia com elementos variáveis no tempo e não
lineares torna muito complexo garantir uma operação estável, pois requisita um
ajuste contínuo de cada elemento com a finalidade de se obter um desempenho
adequado e eficiente. Grandes perturbações como curtos-circuitos,
chaveamento de linhas, desconexão de gerador ou perda de grandes blocos de
carga podem acarretar oscilações de potência. O controlador mais utilizado para
contrapor a estas oscilações é o Power System Stabilizer (PSS). As redes
neurais artificiais (RNA) têm sido utilizadas como controle em muitas plantas
dinâmicas não lineares. Para tal, esta tese explora a rede neural nonlinear
autoregressive exogenous model (NARX) combinada com uma otimização
multiobjetivo com a aplicação de algoritmos genéticos (AG) para amortecer as
oscilações de potência. O modelo RNA é treinado utilizando um banco de dados
determinado pelo AG para vários níveis de carga. Posteriormente, a própria rede
pode alterar os parâmetros do estabilizador em tempo real. Uma nova técnica de
geração de dados para treinamento da NARX é proposta, a qual necessita de
poucos pontos de operação para que a rede neural reconheça os padrões do
sistema. Este estudo é aplicado para ajustar o IEEE PSS4b em um sistema de
quatro máquinas e duas áreas. Os resultados das simulações no estudo de caso
demonstraram que o GA-NARX-PSS apresentou melhores efeitos no
amortecimento das oscilações decorrentes das perturbações comparado com
outras técnicas de ajuste de estabilizadores presentes na literatura. Observouse
que o GA-NARX-PSS amorteceu as oscilações provocadas por curto-circuitos
com tempo de duração maiores que o suportado pelo PSS sintonizado tanto com
otimização via AG como com o algoritmo whale optimization algorithm (WOA). | por |
dc.contributor.advisor1 | Bernardon, Daniel Pinheiro | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/600461227839727 | por |
dc.contributor.advisor-co1 | Farret, Felix Alberto | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/5783619992936443 | por |
dc.contributor.referee1 | Gastaldini, Cristiane Cauduro | |
dc.contributor.referee2 | Marchesan, Gustavo | |
dc.contributor.referee3 | Resener, Mariana | |
dc.contributor.referee4 | Leborgne, Roberto Chouhy | |
dc.creator.Lattes | http://lattes.cnpq.br/1803399853986774 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Engenharia Elétrica | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | por |
dc.publisher.unidade | Centro de Tecnologia | por |